OpenCV入门（七）快速学会OpenCV6色彩空间
OpenCV入门（七）快速学会OpenCV6色彩空间
作者：Xiou
1.色彩空间概述
色彩空间 (Color Space) 即以同的空间维度来表示某一色彩 (通常使用 3 个或者 4 个 值)。
RGB图像是一种比较常见的色彩空间类型，除此以外还有一些其他的色彩空间，比较常见的包括GRAY色彩空间（灰度图像）、XYZ色彩空间、YCrCb色彩空间、HSV色彩空间、HLS色彩空间、CIELab色彩空间、CIELuv色彩空间、Bayer色彩空间等。每个色彩空间都有自己擅长的处理问题的领域，因此，为了更方便地处理某个具体问题，就要用到色彩空间类型转换。
色彩空间类型转换是指，将图像从一个色彩空间转换到另外一个色彩空间。例如，在使用OpenCV处理图像时，可能会在RGB色彩空间和HSV色彩空间之间进行转换。在进行图像的特征提取、距离计算时，往往先将图像从RGB色彩空间处理为灰度色彩空间。在一些应用中，可能需要将色彩空间的图像转换为二值图像。
色彩空间也称为颜色空间、彩色空间、颜色模型、彩色系统、彩色模型、色彩模型等。
GRAY色彩空间
GRAY（灰度图像）通常指8位灰度图，其具有256个灰度级，像素值的范围是[0,255]。
XYZ色彩空间
XYZ色彩空间是由CIE（International Commission on Illumination）定义的，是一种更便于计算的色彩空间，它可以与RGB色彩空间相互转换。
YCrCb色彩空间
人眼视觉系统（HVS, Human Visual System）对颜色的敏感度要低于对亮度的敏感度。在传统的RGB色彩空间内，RGB三原色具有相同的重要性，但是忽略了亮度信息。
在YCrCb色彩空间中，Y代表光源的亮度，色度信息保存在Cr和Cb中，其中，Cr表示红色分量信息，Cb表示蓝色分量信息。亮度给出了颜色亮或暗的程度信息，该信息可以通过照明中强度成分的加权和来计算。
在RGB光源中，绿色分量的影响最大，蓝色分量的影响最小。
HSV色彩空间
RGB是从硬件的角度提出的颜色模型，在与人眼匹配的过程中可能存在一定的差异，HSV色彩空间是一种面向视觉感知的颜色模型。HSV色彩空间从心理学和视觉的角度出发，指出人眼的色彩知觉主要包含三要素：色调（Hue，也称为色相）、饱和度（Saturation）、亮度（Value），色调指光的颜色，饱和度是指色彩的深浅程度，亮度指人眼感受到的光的明暗程度。
● 色调：色调与混合光谱中的主要光波长相关，例如“赤橙黄绿青蓝紫”分别表示不同的色调。如果从波长的角度考虑，不同波长的光表现为不同的颜色，实际上它们体现的是色调的差异。
● 饱和度：指相对纯净度，或一种颜色混合白光的数量。纯谱色是全饱和的，像深红色（红加白）和淡紫色（紫加白）这样的彩色是欠饱和的，饱和度与所加白光的数量成反比。
● 亮度：反映的是人眼感受到的光的明暗程度，该指标与物体的反射度有关。对于色彩来讲，如果在其中掺入的白色越多，则其亮度越高；如果在其中掺入的黑色越多，则其亮度越低。
在具体实现上，我们将物理空间的颜色分布在圆周上，不同的角度代表不同的颜色。因此，通过调整色调值就能选取不同的颜色，色调的取值区间为[0, 360]。
HLS色彩空间
HLS色彩空间包含的三要素是色调H（Hue）、光亮度/明度L（Lightness）、饱和度S（Saturation）。与HSV色彩空间类似，只是HLS色彩空间用“光亮度/明度L（lightness）”替换了“亮度（Value）”。
● 色调：表示人眼所能感知的颜色，在HLS模型中，所有的颜色分布在一个平面的色调环上，整个色调环为360度的圆心角，不同的角度代表不同的颜色。
● 光亮度/明度：用来控制色彩的明暗变化，它的取值范围也是[0, 1]。我们通过光亮度/明度的大小来衡量有多少光线从物体表面反射出来。光亮度/明度对于眼睛感知颜色很重要，因为当一个具有色彩的物体处于光线太强或者光线太暗的地方时，眼睛是无法准确感知物体颜色的。
● 光亮度/明度：用来控制色彩的明暗变化，它的取值范围也是[0, 1]。我们通过光亮度/明度的大小来衡量有多少光线从物体表面反射出来。光亮度/明度对于眼睛感知颜色很重要，因为当一个具有色彩的物体处于光线太强或者光线太暗的地方时，眼睛是无法准确感知物体颜色的。
CIELab*色彩空间
CIELab*色彩空间是均匀色彩空间模型，它是面向视觉感知的颜色模型。从视觉感知均匀的角度来讲，人所感知到的两种颜色的区别程度，应该与这两种颜色在色彩空间中的距离成正比。在某个色彩空间中，如果人所观察到的两种颜色的区别程度，与这两种颜色在该色彩空间中对应的点之间的欧式距离成正比，则称该色彩空间为均匀色彩空间。
CIELab色彩空间中的L分量用于表示像素的亮度，取值范围是[0,100]，表示从纯黑到纯白；a分量表示从红色到绿色的范围，取值范围是[-127,127]; b分量表示从黄色到蓝色的范围，取值范围是[-127,127]。
2.类型转换函数
在OpenCV内，我们使用cv2.cvtColor()函数实现色彩空间的变换。该函数能够实现多个色彩空间之间的转换。其语法格式为：
dst = cv2.cvtColor( src, code [, dstCn] )
式中：
● dst表示输出图像，与原始输入图像具有同样的数据类型和深度。
● src表示原始输入图像。可以是8位无符号图像、16位无符号图像，或者单精度浮点数等。
● code是色彩空间转换码，表展示了其枚举值。
● dstCn是目标图像的通道数。如果参数为默认的0，则通道数自动通过原始输入图像和code得到。
这里需要注意，BGR色彩空间与传统的RGB色彩空间不同。对于一个标准的24位位图， BGR色彩空间中第1个8位（第1个字节）存储的是蓝色组成信息（Blue component），第2个8位（第2个字节）存储的是绿色组成信息（Green component），第3个8位（第3个字节）存储的是红色组成信息（Red component）。同样，其第4个、第5个、第6个字节分别存储蓝色、绿色、红色组成信息，以此类推。
颜色空间的转换都用到了如下约定：
● 8位图像值的范围是[0,255]。
● 16位图像值的范围是[0,65 535]。
● 浮点数图像值的范围是[0.0~1.0]。
对于线性转换来说，这些取值范围是无关紧要的。但是对于非线性转换来说，输入的RGB图像必须归一化到其对应的取值范围内，才能获取正确的转换结果。
例如，对于8位图，其能够表示的灰度级有28=256个，也就是说，在8位图中，最多能表示256个状态，通常是[0,255]之间的值。但是，在很多色彩空间中，值的范围并不恰好在[0,255]范围内，这时，就需要将该值映射到[0,255]内。
例如，在HSV或HLS色彩空间中，色调值通常在[0,360)范围内，在8位图中转换到上述色彩空间后，色调值要除以2，让其值范围变为[0,180)，以满足存储范围，即让值的分布位于8位图能够表示的范围[0,255]内。又例如，在CIELab*色彩空间中，a通道和b通道的值范围是[-127,127]，为了使其适应[0,255]的范围，每个值都要加上127。不过需要注意，由于计算过程存在四舍五入，所以转换过程并不是精准可逆的。
3.色彩空间转换实例
原图如下所示：
代码实例：
import numpy as np
import cv2 as cv
def color_space(image):
"""色彩空间转换"""
hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
hls = cv.cvtColor(image, cv.COLOR_BGR2HLS)
ycrcb = cv.cvtColor(image, cv.COLOR_BGR2YCrCb)
yuv = cv.cvtColor(image, cv.COLOR_BGR2YUV)
h1 = np.hstack((hsv, hls))
h2 = np.hstack((ycrcb, yuv))
stack = np.vstack((h1, h2))
return stack
# 读取图片
img = cv.imread("test.jpg")
# 不同色彩空间
stack = color_space(img)
# 图片展示
cv.imshow("test.jpg",img)
cv.imshow("stack", stack)
cv.waitKey(0)
cv.destroyAllWindows()
输出结果：
